Escolar Documentos
Profissional Documentos
Cultura Documentos
This project presents a proposal for an autonomous wearable device for personal cardiac
monitoring, applying Artificial Intelligence techniques (machine learning) for arrhythmia
recognition. If so, the device will inform, through a GPS (Global Positioning System) and GSM
(Global System for Mobile) module), the precise location and the patient's name to a hospital,
Samu, or accredited person when requesting a request for medical assistance, streamlining
emergency care. In this way, its implementation contributes to the development of scientific-
technological innovation, as the equipment presents characteristics that have not yet been fully
implemented in the market and causes an impact on the social sphere, making it accessible,
without the need for a monitoring service continuous contracted by the patient. This document
presents, after the introduction and theoretical foundation, the general conception, and design
of the proposed system, the hardware project, the training methodology for learning the
arrhythmia detection model and the database to be used, as well as the software flowchart. It
also presents preliminary results of validation of the methodology, the schedule of future
development activities, ending with the conclusions and bibliographical references.
Keywords: ECG. Machine learning. Arrhythmia.
LISTA DE ILUSTRAÇÕES
1 INTRODUÇÃO
Segundo a Organização Pan-Americana da Saúde (OPAS), com base nos dados da
Organização Mundial da Saúde (OMS), as doenças cardiovasculares são a principal causa de
morte no mundo. Estima-se que 17,9 milhões de pessoas morreram por doenças
cardiovasculares em 2016, representando 31% de todas as mortes no mundo. Destes óbitos,
estima-se que 85% ocorreram devido a ataques cardíacos e acidentes vasculares encefálicos,
sendo mais de três quartos em países de baixa e média renda (OPAS, [s.d.]).
Segundo a Sociedade Brasileira de Arritmias Cardíacas (SOBRAC), mais de 20 milhões
de pessoas sofrem de arritmia cardíaca. Arritmia Cardíaca é uma condição caracterizada por
alterações no ritmo do coração, em que os batimentos podem se tornar mais lentos, mais
rápidos, irregulares ou desordenados. Esse quadro compromete o bombeamento de sangue para
o corpo e, em casos extremos, pode levar à morte súbita. No Brasil, um em cada dez brasileiros
têm algum tipo de arritmia, sendo responsável por mais de 320 mil mortes súbitas todos os anos
(SOBRAC, 2019).
A última década tem mostrado uma mudança na abordagem do cuidado com a saúde
com a integração de recursos de monitoramento de sinais vitais a telefones celulares, relógios
e outros dispositivos portáteis. Em particular, a pandemia COVID-19 causou um aumento na
demanda por dispositivos desse tipo. Contudo, a maioria dos dispositivos de mercado apenas
informa o valor dos parâmetros, sem oferecer uma análise dos mesmos. O monitoramento
confiável e preciso, bem como a atuação em tempo real quando necessária, requisitos
obrigatórios em algumas situações, está presente nos chamados wearables inteligentes.
Contudo, o custo dessa tecnologia ainda é proibitivo para a grande maioria. Em 2013, a empresa
Nexcor criou o primeiro monitor cardíaco portátil inteligente. O aparelho é capaz de detectar
problemas no coração do usuário e transmitir os dados para uma central de atendimento ou
hospital através da rede de celular. A proposta era minimizar ao máximo o impacto das doenças
cardíacas previamente, além de diminuir os custos hospitalares. Em casos de arritmias,
isquemias, infartos ou qualquer alteração no batimento cardíaco, o equipamento emitiria um
alerta a central de processamento, a qual avisaria ao médico, empresa de resgate ou parentes
sobre o ocorrido, de modo a oferecer o devido atendimento a tempo. A locação do equipamento
poderia custar, a época, até R$600,00 por semana (DARAYA, 2013). Atualmente, um
equipamento e serviço similar é oferecido pela CardioWeb. O SmartLooper coleta e envia os
traçados de ECG de forma contínua para um servidor na nuvem, utilizando telefonia móvel
embarcada, ou até mesmo de forma opcional via celular do paciente, mantém o paciente
12
Dessa forma, esse projeto apresenta uma proposta de um dispositivo vestível autônomo
para monitoração cardíaca pessoal, aplicando técnicas de Inteligência Artificial (aprendizado
de máquina) para o reconhecimento de arritmias. Em caso positivo o dispositivo informará, por
meio de um módulo GPS, a localização precisa e o nome do paciente para um hospital, Samu,
ou pessoa credenciada ao requisitar um pedido de socorro médico, agilizando o atendimento de
emergência.
13
2 OBJETIVOS
O objetivo geral deste trabalho é o desenvolvimento de um dispositivo vestível autônomo
para monitoração cardíaca pessoal e detecção de arritmias. Como objetivos específicos,
apresenta-se a necessidade da investigação de técnicas de aprendizado de máquina (machine
learning) capazes de classificar as arritmias com acurácia adequada e do desenvolvimento de
um equipamento característico que apresente melhor relação custo-benefício em comparação
aos existentes no mercado. Desta forma, sua implantação contribui para o desenvolvimento de
inovação científico-tecnológica, à medida que o equipamento apresenta características que
ainda não foram totalmente implementadas no mercado e causa impacto no âmbito social,
tornando-o acessível, sem a necessidade de um serviço de monitoração contínuo contratado
pelo paciente.
14
3 FUNDAMENTAÇÃO TEÓRICA
Para entendimento das características que serão tratadas e analisadas, apresenta-se
previamente um estudo conceitual acerca destas.
Este capítulo aborda os principais conceitos relacionados à anatomia do coração e ao
monitoramento cardíaco pelo eletrocardiograma, bem como à inteligência artificial e machine
learning.
O coração possui dois tipos de célula: miocárdicas, também conhecidas por células
funcionais, que quando estimuladas eletricamente se contraem; e as células marcapassos, que
são responsáveis pelo estímulo elétrico. Existem alguns tecidos que são especializados em gerar
e conduzir impulsos elétricos através do coração, sendo eles: nó sinodal (nó SA), nó
atrioventricular (nó AV), feixe de His e fibras de Purkinje (SILVA, [s.d]).
O controle da atividade cardíaca é realizado pelo sistema nervoso simpático e
parassimpático, que inervam grande parte do coração.
A figura 3 demonstra a estrutura elétrica do coração.
O nó SA está localizado na parede posterior do átrio direito, próximo as veias cavas. O
nó AV está localizado na porção inferior do septo interatrial. O feixe de His está no septo
interventricular, de modo que se divide no interior da parede dos ventrículos, tratando-se,
portanto, da fibra de Purkinje, a qual causa a contração simultânea dos ventrículos (SILVA,
[s.d]).
A regulação do ritmo do coração ocorre no nó SA, considerado o marca passo do coração.
As membranas do nó SA são muito permeáveis ao sódio, de tal modo que ao passar para o
interior das fibras, faz com que o potencial da membrana em repouso passe para o valor positivo
até atingir o seu limiar, transformando então em potencial de ação. Este impulso é propagado
pelos átrios provocando sua contração. Alguns centésimos de segundo depois, o impulso atinge
o nó AV, retardando o impulso para os ventrículos, para dar tempo a passagem de sangue. Em
seguida, o impulso é propagado pelo feixe de His e Purkinje aos ventrículos, para dar início à
contração (SILVA, [s.d]).
18
3.3 CARDIOPATIA
3.3.1 Arritmia
Arritmias cardíacas ou disritmias cardíacas são alterações do ritmo ou da frequência dos
batimentos cardíacos.
As arritmias cardíacas podem resultar de qualquer anomalia nos diferentes componentes
deste circuito elétrico e podem classificar-se de acordo com as alterações que provocam na
frequência cardíaca (taquicardia, bradicardia, pausas) (Margato, 2021).
• Taquicardia
Frequência cardíaca superior a 100 bpm, que pode ocorrer em diversos tipos de arritmias
como fibrilação atrial, taquicardia supraventricular, taquicardia ventricular.
• Bradicardia
Frequência cardíaca inferior a 50 bpm, que pode ocorrer em diversos tipos de arritmias
como bradicardia sinusal, bloqueio atrioventricular, fibrilação atrial.
• Doença do nó sinusal
Trata-se da disfunção do nó sinusal, o marcapasso natural da atividade cardíaca,
manifestando-se como bradicardia sinusal, pausas sinusais, taquicardia sinusal ou uma mistura
destes fenômenos.
• Taquicardia supraventricular
Um conjunto de arritmias originadas nas estruturas cardíacas e tecido de condução acima
dos ventrículos, podendo originar frequências cardíacas muito rápidas, entre 150 a 250 bpm.
• Fibrilação atrial
É uma das arritmias mais frequentes, comum a partir dos 60 anos. Esta arritmia é importante
por ser uma das principais causas de acidentes vasculares cerebrais (AVC’s).
Resulta de uma atividade elétrica atrial caótica que se sobrepõe ao ritmo cardíaco normal,
resultando em batimentos cardíacos irregulares, comumente rápidos, mas, que também poderão
ser lentos.
• Extrassístoles (Supraventriculares ou Ventriculares)
21
As extrassístoles são batimentos cardíacos extra, originados nos átrios ou ventrículos, que
alternam com o ritmo cardíaco normal. Originam batimentos cardíacos irregulares e podem
causar sintomas como palpitações, tonturas, sensação de mal-estar torácico etc.
• Bloqueios fascicular e atrioventricular (AV)
Trata-se de uma deficiência na condução dos impulsos elétricos gerados ao nível do nó
sinusal ou dos átrios até os ventrículos, ocorrendo um atraso ou diminuição das contrações
ventriculares.
• Arritmias ventriculares
A arritmia ventricular, possui origem nos ventrículos como taquicardia ventricular ou
fibrilação ventricular. São arritmias graves, com frequências cardíacas elevadas e que podem
causar morte súbita ou desmaio.
• Arritmias hereditárias e Morte Súbita
Existe um conjunto de arritmias secundárias a anomalias genéticas hereditárias.
Manifestam-se em idades mais jovens, por vezes em corações estruturalmente normais, e
originando arritmias graves (taquicardia ventricular, fibrilação ventricular) que podem causar
morte súbita.
22
Fonte: Autores.
devido a identificação prévia no algoritmo dos comportamentos que devem ser mantidos
daqueles que não devem durante o aprendizado de máquina. A técnica visa melhorar as
estratégias do algoritmo através do feedback de recompensa, denominado de sinal de
reforço, tornando o sistema volátil e interativo com o seu ambiente.
24
4 METODOLOGIA
Este capítulo aborda as metodologias definidas para cumprimento dos objetivos deste
projeto.
Fonte: Autores.
25
Fonte: Autores.
26
de um filtro passa-baixa para a eliminação das interferências de alta frequência. Essa topologia
é realimentada por duas vias. A primeira via é através da associação de resistência na saída do
integrador que realimenta até a entrada do GM2. A segunda realimentação se dá através do
amplificador passa-alta que tem o objetivo de atenuar o nível médio do sinal.
100
𝑓𝑐 = (1)
2𝜋𝑅𝐶
O AD8233 apresenta um amplificador operacional que pode ser utilizado para o controle
de ganho e filtragem do sinal. Na aplicação foi implementado um filtro passa-baixa na topologia
Sallen-Key, como mostrado na figura 11.
Para a implementação dos filtros é necessário utilizar a equação (2) para determinar a
frequência de corte, a equação (3) para determinar o ganho e equação (4) para determinar o
fator de qualidade.
1
𝑓𝑐 = (2)
2𝜋√𝑅1 × 𝐶1 × 𝑅2 × 𝐶2
𝑅3
𝐺𝑎𝑛ℎ𝑜 = 1 + (3)
𝑅4
1
𝑄= (4)
2𝜋√𝑅1 × 𝐶1 × 𝑅2 × 𝐶2
4.2.2.5 Bateria
A alimentação do circuito pode ser feita através de baterias de íons de lítio de 5V pois
são frequentemente utilizadas para a alimentação de circuitos em geral e pela baixa demanda
de corrente que o sistema exige, já que a maioria dos módulos são de baixa potência e possuem
modo de hibernação. Outro ponto que influencia a escolha é o baixo custo que estas baterias
têm no mercado.
30
Fonte:Autores
de tensão externo pois o componente é alimentado com uma tensão de 4,1V. O regulador
escolhido foi o LM2596-ADJ, por ser um regulador ajustável através de um divisor de tensão
que realimenta o circuito. Além disso, o componente apresenta capacitores e indutores para a
estabilização da tensão e um diodo de proteção na saída.
Para a alimentação do microcontrolador e da interface analógica foi utilizado o regulador
de tensão linear ADP150, que mantém a tensão entre 1,8 à 3,5V nestes componentes. Foram
colocados capacitores externos para a estabilidade da tensão de entrada e saída.
Fonte: Autores
Fonte: Autores
Para funcionamento, o sistema precisa estar conectado a uma rede internet. A recepção
dos dados enviado pelo módulo GSM se dá através de um dispositivo celular ou um
computador. O software pode ser desenvolvido como um aplicativo web, pois assim não há
gastos de implementação dos aplicativos nos sistemas de operação da Apple e Android, por
exemplo.
A figura 15 exemplifica a tela de interface do aplicativo, mostrando de forma simples e
clara o ECG, a frequência cardíaca, a indicação de arritmia, caso ocorra e a localização precisa
do usuário do dispositivo.
35
Fonte: Autores
36
5 RESULTADOS PRELIMINARES
Visando fundamentar e verificar a viabilidade da metodologia de treinamento de modelos
de machine learning para classificação de amostras de ECG, foi utilizado um banco de dados
physionet (MOODY e MARK, 2001) com 162 amostras de eletrocardiogramas, contendo 96
gravações de pessoas com arritmia, 30 gravações de pessoas com insuficiência cardíaca e 36
gravações de pessoas com ritmo sinusal normal. Cada amostra é catalogada com um rótulo que
identifica o diagnóstico do sinal, sendo ARR para arritmia, CHF para insuficiência cardíaca e
NSR para ritmo sinusal normal.
O software MATLAB foi escolhido para tratar e aplicar o algoritmo supervisionado de
machine learning no banco de dados. A figura 16 apresenta o código que, primeiramente
carrega o banco de dados no programa. Posteriormente, são escolhidos randomicamente 70%
das amostras totais para treinamento do modelo e 30% das amostras totais para teste do modelo.
Em seguida, é aplicado uma função que faz a extração de características das amostras para uma
melhor avaliação do modelo.
Fonte: Autores.
De posse dos dados, foi utilizado um aplicativo do MATLAB chamado Classification
Learner para a investigação e determinação dos melhores modelos de machine learning. A
figura 17 mostra a interface do aplicativo, mostrando a escolha dos dados de treinamento
(trainingData) como variável para serem classificados, e os rótulos (Labels) como parâmetros
de classificação.
37
Fonte: Autor.
Após a etapa de treinamento, o aplicativo apresenta as acurácias de treinamento para
diversos modelos de machine learning. As figuras 18 e 19 exibem os modelos e suas acurácias
no treinamento.
Fonte: Autores.
38
Fonte: Autor.
Fonte: Autor.
40
6 RESULTADOS ESPERADOS
7 CRONOGRAMA
As atividades previstas no Capítulo 6 foram divididas em seis meses, conforme mostrado
na Tabela 1, indicando as tarefas que devem ser realizadas de janeiro a junho. Este cronograma
poderá sofrer alterações caso seja necessário.
Tabela 1: Cronograma
Meses
Atividade 1 2 3 4 5 6
Escrita do capítulo de revisão bibliográfica
Melhoramento da fundamentação teórica
Desenvolvimento do firmware
Desenvolvimento do hardware
Integração dos sistemas
Testes
Monografia
Fonte: Autores.
42
8 CONCLUSÕES
Este projeto propõe um dispositivo vestível de aquisição de sinais de eletrocardiograma e
classificação de arritmias através do treinamento do sistema machine learning. Os dados
captados são mostrados através de uma interface web, possibilitando a monitoração remota por
um profissional de saúde.
A proposta é interessante nos quesitos de inovação tecnológica, ao mesmo tempo que se
torna desafiador desenvolver um equipamento com características que ainda não foram
totalmente implementadas no mercado. O requerimento de um dispositivo wearable torna-o
ainda mais desafiador, por precisarmos pensar nos parâmetros de dimensão, além dos fatores
externos, pois é algo totalmente diferente dos costumeiros monitores cardíacos. Existe uma
grande possibilidade de as interferências externas dificultarem a leitura e interpretação dos
biossinais, portanto, dispositivos mais sensíveis e de grande acuracidade devem ser
devidamente analisados.
O processamento de sinais nos remete ao estudo dos filtros para os sinais cardíacos, onde
uma grande seletividade é requerida.
A dificuldade até o momento relaciona-se com a grande quantidade de possibilidades de
aquisição e interpretação de dados, à medida que como discutido, devemos estar associados à
dimensão, versatilidade de condições do ambiente parametrizado, além do custo-benefício. De
igual modo, a assimilação entre as diversas formas de comunicação entre os blocos do projeto
torna-se laborioso, uma vez que são dispositivos para aplicações diversas, integrá-los seria o
desafio aparente.
43
REFERÊNCIAS
BAIM, D. S. et al. Survival of patients with severe congestive heart failure treated with oral
milrinone. J American College of Cardiology, v. 7(3), p. 661-670, 1986. Disponível em:
<https://physionet.org/content/chfdb/1.0.0/>. Acesso em: 29 Novembro 2021.
DARAYA, V. Brasileiros criam monitor cardíaco portátil inteligente, 2013. Disponível em:
<https://exame.com/ciencia/brasileiros-criam-monitor-cardiaco-portatil-inteligente/>. Acesso
em: 02 Novembro 2021.
LAPA, E. A frequência cardíaca normal fica entre 60 e 100 bpm, certo? Errado!
CardioPapers, 2016. Disponível em: <https://cardiopapers.com.br/a-frequencia-cardiaca-
normal-fica-entre-60-e-100-bpm-certo-errado/>. Acesso em: 27 Novembro 2021.
MOODY, G. MIT-BIH Normal Sinus Rhythm Database. Physionet, 1999. Disponível em:
<https://physionet.org/content/nsrdb/1.0.0/>. Acesso em: 29 Novembro 2021.
MOODY, G. B.; MARK, R. G. The impact of the MIT-BIH Arrhythmia Database. IEEE Eng
in Med and Biol., v. 20(3):45-50, 2001. Disponível em:
<https://physionet.org/content/mitdb/1.0.0/>. Acesso em: 29 Novembro 2021.
SILVA, A. L. Você sabe quando indicar marca-passo provisório no IAM? CardioSite, 2018.
Disponível em: <https://www.cardiosite.com.br/voce-sabe-quando-indicar-marca-passo-
provisorio-no-iam/>. Acesso em: 2021.
45
SOBRAC. Campanha coração na batida certa: Brasill em ação pela prevenção e tratamento
das arritmias cardíacas e mortes súbitas, 2019. Disponível em:
<https://sobrac.org/home/campanha-coracao-na-batida-certa-brasil-em-acao-pela-prevencao-
e-tratamento-das-arritmias-cardiacas-e-morte-subia/>. Acesso em: 29 Outubro 2021.